DNN的有监督训练-BP算法 这里以$K$类分类问题来对BP算法进行描述。实际上对于其他问题（如回归问题）基本是一样的。给定训练样本为：$(\mathbf{x},\mathbf{y})$，其中$\mathbf{x}$为样本的特征，$\mathbf{y}$为类别标签，其形式 ...

原：http://www.cnblogs.com/DjangoBlog/p/6476332.html 综述 如果已经有一个足够强大的机器学习算法，为了获得更好的性能，最靠谱的方法之一是给这个算法以更多的数据。机器学习界甚至有个说法：“有时候胜出者并非有最好的算法，而是有更多的数据 ...

文章首发：xmoon.info 半监督学习 在有标签数据+无标签数据混合成的训练数据中使用的机器学习算法。一般假设，无标签数据比有标签数据多，甚至多得多。 要求： 无标签数据一般是有标签数据中的某一个类别的（不要不属于的，也不要属于多个类别的）； 有标签 ...

无监督学习的目标 利用无标签的数据学习数据的分布或数据与数据之间的关系被称作无监督学习。 有监督学习和无监督学习的最大区别在于数据是否有标签 无监督学习最常应用的场景是聚类(clustering)和降维(Dimension Reduction) 聚类(clustering ) 聚类 ...

作者|Doug Steen 编译|VK 来源|Towards Data Science 当涉及到机器学习分类任务时，用于训练算法的数据越多越好。在监督学习中，这些数据必须根据目标类进行标记，否则，这些算法将无法学习独立变量和目标变量之间的关系。但是，在构建用于分类的大型标记数据集时，会出 ...

几个概念 预训练 自训练 自监督学习 半监督学习 监督学习 无监督学习 区分 预训练 广义上讲：是对一个模型进行“预先训练”，以完成后续的下游任务 狭义上讲（更常用）：在大规模无标注语料上，用自监督的方式训练模型 自训练 常应用于CV ...

感慨一下，人工智能这个名字挺有意思，这段时间也不知咋回事，朋友圈里都是学人工智能的，什么python，tf.......还有很多大神在互联网上开讲，也是赚了一笔，如今看来，真是百花齐放，一派繁荣的景象啊，有好有坏，大多数也只是人工的智能，就好像今天要讲的训练和调参，千万不要以为随随便便就可以得到 ...

目录 图神经网络的预训练与自监督学习 图神经网络简史 预训练GNN的前置条件 自监督学习 预训练GNN的技术路线 未来展望 图神经网络的预训练与自监督学习 图神经网络简史 图神经网络（GNN）2005年 ...